Item-Based Collaborative Recommender System
2024-09-05 21:16:47
与User-Based Collaborative Recommender System认为‘类似的用户会对同一个item给出类似的打分’不同，Item-Based Collaborative Recommender System的思想是‘同一个用户，会给类似的item，打出类似的分数’。听起来和Content-Based Recommender System有点类似，但是IBCRS的相似度，是基于用户打分的，而不是基于内容分析。
1、和UBCRS一样，我们需要针对Rating Matrix进行的Mean-Centering:
在UBCRS用过的例子中，我们相当于得到了一个全新的矩阵：Mean-Centered Rating Matrix
Old Matrix
New Matrix
2、计算目标item与其它各个items的相似度：这里用的是Cosine Similarity，据说计算item的相似度，其精准度高于Pearson，有待考证：
3、不同的相似度，即不同的权重，我们合成各个分数项，得到最终的打分：
最新文章
- mssql 2008 游标 临时表 作业批处理失败问题
- 新浪微博UWP UI意见征求
- python-appium练习编写脚本时遇到问题
- POJ -- 3842
- acm位运算应用 搜索
- .net+easyui系列--搜索框
- grep, egrep, fgrep笔记
- c++中basic_istream::getline()的返回值何时为真
- cocos2d-x学习过程中的疑问
- js中this详解
- Android中JNI编程详解
- Elastic Stack-Elasticsearch使用介绍(五)
- Eclipse编程中免除alt+斜杠，设置自动提示
- mongodb聚合命令
- java面试题03
- [MongoDB] MongoDB管理：使用killOp干掉Long Running Operation
- js之string操作符
- Golang字符串函数认识（一）
- Linux系统修改Home下的目录为英文
- bzoj 2351 [BeiJing2011]Matrix——二维哈希